Prosjektleder og underviser med kunstig intelligens deler en enkel arbeidsflyt for kunstig intelligens som fundamentalt endrer hvordan prosjekter drives

På grunn av dette har rollen min som prosjekt- og programleder endret seg i retning av å koordinere beslutningstaking, planlegging og gjennomføring med støtte fra kunstig intelligens. I stedet for å sette sammen data fra møter, dokumenter og systemer manuelt, bruker jeg nå verktøy for kunstig intelligens som Copilot og ChatGPT til å automatisere informasjonsflyten og generere innsikt i sanntid (det finnes også mange konkrete fordeler med verktøy for kunstig intelligens i prosjektledelse).

Som prosjektleder håndterer jeg mange møter og oppfølgingsoppgaver. Det er min jobb å forbedre nøyaktigheten og samordningen i prosjektgjennomføringen – og samtidig redusere antallet møter. Det krever en leveransemodell med støtte fra kunstig intelligens.

I stedet for å sette sammen data fra møter, dokumenter og systemer manuelt, bruker jeg nå verktøy for kunstig intelligens som Copilot og ChatGPT til å automatisere informasjonsflyten og generere innsikt i sanntid.

Share This Quote on:

• Share on Twitter
• Share on LinkedIn
• Share on Facebook

Mashhood Ahmed

Grunnlegger og daglig leder hos PMassistant.ai

You should also read

• Denne tidligere Google-produktsjefen endrer hvordan prosjektteam arbeider med et AI-verktøy for produktsjefer bygget på AI-agenter

• Produktleder i oppstartsbedrift for AI-styring deler de agentbaserte arbeidsflytene han’ implementerer for å effektivisere leveransen

• AI-ekspert og tidligere produktsjef går i dybden på bruken av agentbaserte arbeidsflyter i prosjektleveranser

• Verdenskjent forfatter og rådgiver advarer om at prosjektledelse blir irrelevant uten rask omstilling

• Prosjektleder med over 30 års erfaring deler hvordan han ruller ut Microsofts KI-Copilot i hele organisasjonen

Hvordan omgjøring av møter til strukturerte data gir raskere og tydeligere prosjektgjennomføring

De mest undervurderte og virkningsfulle funksjonene ved kunstig intelligens i prosjektledelse har vært møte-transkripsjoner og assistenter for kunstig intelligens, som Microsoft Copilot – som fungerer sammen. Det høres enkelt ut, men endrer grunnleggende hvordan prosjekter gjennomføres.

Ved å gjøre hvert møte om til strukturerte og søkbare data blir det selve grunnlaget for nesten all videre prosjektaktivitet. Når transkripsjonen finnes, kan jeg utføre magi underveis.

Når det gjelder effekten:

• Sparer omtrent to timer per dag på dokumentasjon og oppfølging – tid og energi som jeg nå bruker på strategisk planlegging, interessentforankring og styring av kunstig intelligens og prosjekter.
• Forbedrer samordningen i prosjektet fordi alle har tilgang til den samme kilden til sannhet.
• Avdekker risikoer og mangler i omfanget tidligere, før de påvirker omfang, tid eller budsjett.
• Reduserer unødvendige møter fordi dokumentasjonen er tydeligere og fullstendig.
• Styrker åpenheten og ansvarsbevisstheten i hele teamet.

Under en implementering i helsesektoren virket for eksempel en serie på fem kravmøter på tvers av ulike klinikker usammenhengende. Men med én enkelt instruks satte kunstig intelligens sammen alle de fem transkripsjonene til:

• Et samlet kravsett
• En tydelig liste over hva som er innenfor og utenfor omfanget
• Forskjeller i arbeidsflyter mellom klinikkene
• Tidlige varsler om motstridende prosesser

Det ville ha tatt flere dager å få frem denne innsikten manuelt, og helt ærlig ville noe av den blitt oversett fullstendig. Jeg går nærmere inn på dette eksempelet om litt.

Hvordan en leveransemodell med støtte fra kunstig intelligens fremskynder gjennomføringen

Dette har ført til at jeg har gått fra tradisjonell, dokumenttung prosjektledelse til en lettvektsmodell for kunstig intelligens i prosjektgjennomføringen. Den erstatter ikke de grunnleggende prinsippene for prosjektledelse, men effektiviserer hvordan vi anvender dem.

Gammel fremgangsmåte:

• Skrive møtereferater manuelt
• Vedlikeholde separate Word-/Excel-dokumenter
• Jage folk for å få avklaringer
• Skrive statusrapporter på nytt fra grunnen av

Nytt, lettvekts system:

• Alle møter transkriberes ved hjelp av Microsoft Teams eller Google Meet.
• AI-produktivitetsverktøy (Copilot, Gemini eller ChatGPT) genererer sammendrag, oppgaver, risikoer og beslutninger.
• Disse resultatene lagres automatisk i SharePoint eller Drive.
• Dokumenter som prosjektmandater, RACI, kommunikasjonsplaner og RAID-logger genereres fra de samme transkripsjonsdataene.

Resultat: Oppstartsmøter for prosjekter genererer nå automatisk halvparten av prosjektdokumentasjonen, noe som reduserer den manuelle innsatsen med 40–60 prosent.

Hvordan AI endrer prosjektarbeidsformene og reduserer manuelt arbeid

Når det gjelder arbeidsformene, har denne bruken av AI endret dem fullstendig. Vi har gått fra manuelle, møtedrevne prosesser til kontinuerlige, datadrevne arbeidsflyter.

I stedet for å basere oss på folks notater eller hukommelse, ser vi nå på AI som et stille teammedlem som lytter, sammenfatter og fremhever det som er viktig. Her er et eksempel på utarbeidelse av dokumenter for prosjektomfang og prosjektmandat, som er grunnleggende for ethvert prosjekt.

Gammel fremgangsmåte: Omfanget ble utarbeidet manuelt etter en rekke møter, ofte basert på fragmenterte notater.

Ny AI-støttet fremgangsmåte:

• Jeg legger flere møtetranskripsjoner, e-poster og kravdiskusjoner inn i Copilot eller ChatGPT.
• AI utarbeider den første versjonen av omfanget, inkludert innenfor omfanget, utenfor omfanget, antakelser og avhengigheter.
• Jeg finpusser det sammen med fageksperter i stedet for å bygge det fra grunnen av
• Jeg bruker AI-baserte vurderinger til å utarbeide prosjektomfang og prosjektmandat i løpet av noen timer i stedet for dager

Mashhoods tips

I stedet for å basere oss på folks notater eller hukommelse, ser vi nå på AI som et stille teammedlem som lytter, sammenfatter og fremhever det som er viktig.

Hvordan agentisk AI automatiserer prosjektarbeidsflyter og reduserer gjentakelser

De siste seks månedene har jeg også eksperimentert aktivt og i stor grad med agentiske arbeidsflyter og plattformer av typen orkestrering for å redusere repetitive prosjektlederoppgaver og skape mer konsistente leveransemønstre. Microsoft Agent 365, som ble lansert i midten av november, har et særlig stort potensial for orkestrering av flere agenter i virkelige prosjektmiljøer.

Et eksempel er en spesialbygd møteagent som jeg bruker til møtearbeidsflytene jeg nevnte ovenfor. Agenten deltar automatisk i samtaler, lager møtesammendrag og produserer strukturerte tabeller over oppgaver med ansvarlige og frister. Disse oppgavene kan deretter sendes direkte til Jira, Asana eller andre verktøy for arbeidsstyring, slik at manuell transkribering og oppfølging blir overflødig.

Vi har også satt opp en risikoagent som analyserer møtetranskripsjoner for å flagge nye risikoer umiddelbart etter diskusjoner. Den gjør det mulig for prosjektlederen å simulere scenarier, vurdere potensielle konsekvenser og avgjøre om risikoen må eskaleres eller synliggjøres for teamet.

Disse små, men kraftige agentiske arbeidsflytene reduserer allerede den administrative arbeidsmengden og hjelper team med å arbeide mer konsistent og transparent, samtidig som de blir tidligere oppmerksomme på risiko.

Et eksempel fra virkeligheten på AI-drevet samordning på tvers av komplekse prosjekter

La oss se nærmere på eksempelet med helsetjenesteklinikkene på flere steder. Prosjektet hadde stramme tidsfrister, flere leverandører og frustrerte interessenter på grunn av uensartede krav.

Utfordringen

Vi hadde fem lokasjoner, hver med ulike arbeidsflyter, og mange møter med klinikere og interessenter på ulike nivåer. Kravene var ikke konsistente fra én lokasjon til en annen, og teamet mistet samordningen fordi beslutninger for hver lokasjon hovedsakelig var gjemt i møtenotater og av og til i e-poster og chatmeldinger.

Den AI-drevne fremgangsmåten

Som et første steg satte vi opp sentralisert møteinnsikt. Vi aktiverte transkribering i Microsoft Teams for alle møter og brukte dette som én felles kilde til sannheten.

Deretter bygde vi enkle automatiseringer for AI i teamsamarbeid for å lagre transkripsjoner på en delt stasjon eller i SharePoint. Vi ga også hele teamet tilgang, slik at alle kunne samhandle med og gi instruksjoner til flere møtetranskripsjoner samtidig.

For eksempel ba jeg ofte om:

• "Basert på denne møtetranskripsjonen, hjelp meg med å lage et møtesammendrag på under 200 ord og en tabell over tiltak, slik at jeg som prosjektleder kan følge opp de avtalte tiltakene, ressursene og tidsfristene."
• "Basert på dette møtet, hjelp meg med å identifisere eventuell ny risiko eller utarbeide en risikoreduserende plan slik den tekniske arkitekten foreslo."

Ved å aktivere møtetranskripsjon og bruke enkle instruksjoner som dette eliminerte vi behovet for manuell notatskriving og gjennomgang av rotete, håndskrevne notater. Vi fikk også stabilisert kravene fra ulike klinikker og arbeidsflytene de trengte.

Jeg kan for eksempel identifisere møter der krav skal samles inn, og deretter ganske enkelt skrive: "Hjelp meg med å formulere overordnede krav for å dokumentere og ferdigstille prosjektomfanget. Sørg for å inkludere det som er innenfor og utenfor omfanget separat, slik det ble diskutert i disse møtene."

Vips. Her har jeg et utkast til prosjektomfang basert på disse fem møtene fra hver klinikk. En oppfølgende instruksjon som «Fremhev forskjeller i arbeidsflytene mellom de fem klinikkene, og foreslå hvordan vi kan effektivisere dem» ville hjelpe med å identifisere forskjeller som vi kan diskutere med klinikerne for å effektivisere og følge opp arbeidsflytene.

Fordelene

Det er verdt å merke seg at interessentene i utgangspunktet hadde innvendinger. Men etter at vi gjennomførte piloten og viste verdien, sluttet nesten alle seg til løsningen. I tillegg ble teammedlemmene mer bevisste på hva de sa i disse møtene, noe som til slutt var bra for prosjektet og virksomheten. Her er tilbakemeldingene som utmerket seg:

• AI i interessenthåndtering bidro til å identifisere særtilfeller og variasjoner i arbeidsflyter som vanligvis aldri blir dokumentert eller diskutert i tidlige møter. Disse ble synlige umiddelbart fordi vi ga instruksjoner basert på flere transkripsjoner i stedet for å stole på hukommelsen eller håndskrevne notater. I noen tilfeller førte dette til at prosjektomfanget ble utvidet eller tydeliggjort.
• Interessentene satte pris på å ha én felles sannhetskilde. I stedet for å lete gjennom e-poster, chattråder eller personlige notater kunne de gå til ett sted og se beslutninger, oppfølginger og tiltak tydelig organisert.
• Forretnings- og teknologiteamene la merke til at AI avdekket risikoer og mangler i prosessene tidligere enn de tradisjonelle metodene våre. Ting som manglende arbeidsflyter, uensartede roller, uklare ansvarsområder eller mulige forsinkelser ble flagget med én gang basert på møtedataene.
• Teamene satte pris på at AI-genererte sammendrag og tiltak reduserte tiden som gikk med til forberedelser. De møtte til møtene med større klarhet og færre misforståelser.

Slik vedlikeholder du en kunnskapsbase av høy kvalitet med AI-transkripsjon

I dag er transkripsjoner svært nøyaktige, men det oppstår fortsatt utfordringer med sterke aksenter, personer som snakker raskt, overlappende samtaler eller ustabilt internett. Slik håndterer jeg nøyaktigheten i praksis:

• Avklar forventningene tidlig. Vi gjør teamet oppmerksom på at transkripsjoner er et støtteverktøy, ikke et ordrett juridisk referat. Dette fjerner press og oppmuntrer til åpen deltakelse.
• Bygg inn en «avklaringssløyfe» i prosessen. Etter hvert møte oppfordres teammedlemmene til å gjennomgå sammendraget eller tabellen over tiltak og markere korrigeringer. Hvis noe ser feil, tvetydig eller selvmotsigende ut, validerer vi det i oppfølgingsmøter eller i neste møte. Dette tar bare ett eller to minutter og forbedrer nøyaktigheten betydelig.
• Gi AI riktige instruksjoner. Vi ber alltid AI-verktøy om å tolke konteksten, ikke anta at alt er bokstavelig. For eksempel: «Basert på transkripsjonen, oppsummer hovedpunktene. Hvis noe er uklart, skal du fremheve det i stedet for å anta.»
• Oppmuntre til bedre møtevaner. Tydelig turtaking, å unngå at folk snakker i munnen på hverandre og å senke tempoet litt når beslutninger diskuteres, bidrar alt sammen til bedre transkripsjonskvalitet og bedre møtekvalitet generelt.

Hvorfor AI-teknologistakkene til Microsoft og Google blir stadig viktigere for prosjektgjennomføringen

Her er de to teknologistakkene jeg har brukt med kunder:

• Microsoft-stakken: Vi bruker Teams, Outlook, Copilot (enterprise), SharePoint, OneDrive og MS Office. Vi bruker også noen Power Apps og Power Automate til å bygge integrasjoner med AI-verktøy for prosjektstyring som Smartsheet eller Asana.
• Google-stakken: Google Meet, Gmail, Kalender, Gemini, Drive, Google Dokumenter og Regneark. I dette tilfellet bruker vi Zapier for integrasjon med prosjektstyringsverktøy og programvare for arbeidsflytautomatisering. De siste månedene har Google-stakken blitt langt mer AI-kompatibel, særlig med utrullingen av Gemini for Workspace og Vertex AI-integrasjoner.

Ettersom Microsoft og Google konkurrerer i bedriftsmarkedet, har AI-funksjonaliteten deres utviklet seg kraftig det siste året. Det finnes en rekke andre produktivitetsverktøy vi kunne ha brukt, men foreløpig satser jeg på Google og Microsoft.

Hvorfor overavhengighet av AI er en ny prosjektrisiko

Jeg ble overrasket over det kulturelle skiftet jeg så da jeg implementerte AI i prosjektanalyse. Da teamet fikk erfare hvor pålitelige AI-resultatene kunne være, ble folk mer disiplinerte når det gjaldt å formulere beslutninger tydelig i møter, fordi de visste at referatet skulle brukes som en sannhetskilde. Det forbedret prosjektstyringen uten at jeg måtte håndheve det.

Teammedlemmer som i utgangspunktet var skeptiske, begynte også å bruke Copilot til dagligdagse oppgaver. Når team først ser verdien av AI, blir faktisk overavhengighet den nye risikoen. Nå reduserer jeg denne risikoen med menneskelige sikkerhetsnett  — det vil si at et menneske er med i loopen for å gjennomgå resultatet.

Slik avgjør du hvilket prosjektarbeid som skal automatiseres med AI — og hva som krever menneskelig skjønn

Generativ AI bidrar definitivt til å fremskynde arbeidet. Menneskelig skjønn er imidlertid fortsatt nødvendig — du kan ikke si til styringsgruppen at «Prosjektomfanget ble skrevet av generativ AI.» Det står navnet ditt på det, og derfor må du ta eierskap og bruke menneskelig skjønn.

Her er de delene av leveransearbeidet som jeg mener egner seg best for AI:

• Intelligens for møter
• Utarbeiding av prosjektdokumentasjon
• Identifisering av prosjektrisikoer på et tidligere tidspunkt
• Dokumentanalyse, for eksempel SoW og SLA fra leverandører, og hvordan disse dokumentene samsvarer eller ikke samsvarer

Den siste tiden har vi også hatt suksess med å utarbeide dokumenter ved hjelp av kundens dokumentmal, slik at svaret som genereres av generativ AI, får en riktig dokumentstruktur.

AI i prosjektbeslutninger forstår ikke politikk, kulturelle nyanser eller interessentenes følsomhet. Det er her menneskelig ekspertise blir avgjørende. Vi må vurdere:

• Hvilken interessents mening som veier tyngst
• Hvor motstand kan oppstå
• Hvordan beslutninger påvirker andre programmer eller avdelinger
• Hvilke kompromisser som er akseptable

Uten menneskelig skjønn er AI rask ... men ikke nødvendigvis riktig.

mashhoods tips

AI er på god vei til å bli det de facto-laget for prosjektstyring, og vil fundamentalt endre hvordan prosjekter planlegges, overvåkes og gjennomføres i nær fremtid.

Hvorfor AI blir det nye prosjektstyringslaget for moderne organisasjoner

AI i prosjektplanlegging har kommet for å bli. Med verktøy som Copilot og Gemini nå dypt integrert i e-post, kalendere, dokumenter og sentrale forretningsapplikasjoner, er AI på god vei til å bli det de facto-laget for prosjektstyring, og vil fundamentalt endre hvordan prosjekter planlegges, overvåkes og gjennomføres i nær fremtid.

Agentisk AI har også et enormt potensial, og selv om det er for tidlig å forutsi den fulle effekten, kan teknologien bli en betydelig forstyrrende faktor for mange tradisjonelle virksomheter.

Det som er klart, er at organisasjoner som tilpasser seg tidlig, vil få et stort fortrinn når det gjelder hastighet, effektivitet og beslutningstaking.

Hvorfor du bør starte nå med et AI-pilotprosjekt i liten skala

Rådet mitt er enkelt: Ikke vent på full klarhet, men begynn å eksperimentere nå med et pilotprosjekt i liten skala.

Her er noen praktiske anbefalinger:

• Start i det små, men begynn nå. Slå på transkripsjon av møter. Be AI om å oppsummere en statusoppdatering. Bruk generativ AI (Copilot eller ChatGPT) til å utarbeide et prosjektdokument i samarbeid. Små eksperimenter bygger selvtillit og fremdrift.
• Se på AI som en lagkamerat, ikke en trussel. AI vil ikke erstatte leveranseledere, men leveranseledere som bruker AI, vil prestere bedre enn de som ikke gjør det. Bruk AI til å ta seg av det tunge arbeidet, slik at du kan fokusere på samordning, veiledning, forhandlinger og strategi.
• Invester i menneskelig dømmekraft og styring. AI kan avdekke innsikter, men det er fortsatt mennesker som tar beslutningene. Styrk ferdighetene dine innen risikostyring, interessentdialog, etiske hensyn og prosjektstyring. Disse ferdighetene blir viktigere enn noen gang.

 

Mitt råd er enkelt: Ikke vent på full klarhet, men begynn å eksperimentere nå med et pilotprosjekt i liten skala.

Share This Quote on:

• Share on Twitter
• Share on LinkedIn
• Share on Facebook

Mashhood Ahmed

Grunnlegger og direktør i PMassistant.ai

Følg med

Mashhood tar gjerne kontakt med alle som ønsker å fortsette samtalen eller gå dypere inn i AI-drevet prosjektleveranse. Du kan nå ham på LinkedIn. Eller ta en titt på M1 Consultants og PMAssistant.ai.

Det kommer flere ekspertintervjuer på Den digitale prosjektlederen!